Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere în Fuziunea Datelor Multi-Senzor
- Importanța fuziunii datelor în navigația autonomă
- Provocările integrării multi-senzor
- Aplicații ale fuziunii datelor în percepția în timp real
Tehnologii Senzoriale și Caracteristicile Datelor
- LiDAR: Generarea și procesarea norilor de puncte
- Cameră: Captarea datelor vizuale și procesarea imaginilor
- RADAR: Detectarea obiectelor și estimarea vitezei
- Unități de Măsură Inerțiale (IMU): Urmărirea mișcării
Fundamentele Fuziunii Datelor
- Mathematical baze: Filtre Kalman, inferență Bayesiană
- Tehnici de asociere și aliniere a datelor
- Gestionarea zgomotului și a incertitudinii senzorilor
Algoritmi de Fuziune pentru Navigația Autonomă
- Filtru Kalman și Filtru Kalman Extins (EKF)
- Filtru de Particule pentru sisteme neliniare
- Filtru Unscented Kalman (UKF) pentru dinamici complexe
- Asocierea datelor utilizând Nearest Neighbor și Joint Probabilistic Data Association (JPDA)
Implementare Practică Sensor Fusion
- Integrarea datelor LiDAR și a camerei pentru detectarea obiectelor
- Fuzionarea datelor RADAR și a camerei pentru estimarea vitezei
- Combinarea datelor GPS și IMU pentru localizare precisă
Procesare și Sincronizare a Datelor în Timp Real
- Metode de marcare temporală și sincronizare a datelor
- Gestionarea latenței și optimizarea performanței în timp real
- Gestionarea datelor de la senzori asincroni
Tehnici Avansate și Provocări
- Abordări de învățare profundă pentru fuziunea datelor
- Integrarea datelor multi-modale și extracția caracteristicilor
- Gestionarea defecțiunilor senzorilor și a datelor degradate
Evaluarea Performanței și Optimizare
- Metrici cantitative de evaluare a acurateței fuziunii
- Analiza performanței în diferite condiții de mediu
- Îmbunătățirea robusteței sistemului și a toleranței la erori
Studii de Caz și Aplicații în Lumea Reală
- Tehnici de fuziune în prototipurile de vehicule autonome
- Implementarea cu succes a algoritmilor de fuziune a senzorilor
- Workshop: Implementarea unui pipeline de fuziune multi-senzor
Rezumat și Următorii Pași
Cerințe
- Experiență cu programare Python
- Cunoștințe despre tehnologiile de senzori de bază (de exemplu, LiDAR, camere, RADAR)
- Familiaritate cu ROS și procesarea datelor
Public țintă
- Specialiști în fuziunea senzorilor care lucrează la sisteme de navigație autonomă
- Ingineri AI concentrați pe integrarea multi-senzor și procesarea datelor
- Cercetători în domeniul percepției vehiculelor autonome
21 ore
